文档介绍：几种智能算法概述及其应用
汇报内容
几种智能算法概述
遗传算法
粒子群算法
模拟退火算法
蚁群算法
智能算法概述
1、遗传算法
遗传算法(ic Algorithm,GA)是一种进化算法,其基本原理是仿效生物界中的“物竞天择、适者生存”的演化法则。遗传算法的做法是把问题参数编码为染色体,
再利用迭代的方式进行选择、交叉以及
变异等运算来交换种群中染色体的信息,
最终生成符合优化目标的染色体。
智能算法概述
染色体:生物遗传物质主要载体。
基因:扩展生物性状的遗传物质的功能单元和结构单位。
基因座:染色体中基因的位置。
等位基因:基因所取的值。
生物遗传概念
遗产算法中的应用
适者生存
目标值比较大的解被选择的可能性大
个体
可能解
染色体
解的编码(字符串、向量等)
基因
解中每一分量的特征
适应性
适应函数值
群体
根据适应函数值选定的一组解(解的个数为群体的规模)
婚配
交叉选择两个染色体进行交叉产生一组新的染色体的过程
变异
编码的某一分量发生变化的过程
1、遗传算法
智能算法概述
遗传算法流程
遗传算法改进方向
1、遗传算法与非线性规划结合 2、与BP神经网络结合 3、基于量子遗传算法寻优 4、多种群遗传算法 5、多层编码遗传算法
1、遗传算法
智能算法概述
TSP(旅行商问题)问题描述与结果:
已知n个城市互相之间距离,某人从某城市出发访问每个城市且仅一次,如何安排才能使其所走路线最短
1、遗传算法
智能算法概述
制孔路径优化
在飞机装配线上用机器人带动末端执行器进行制孔,执行器由初始位置依次移动到每一孔位,最后返回初始位置,目标为所走路径最短,时间最少
产品生产安排
一个周期内生产n种产品,开销包括制造成本以及产品转换开支,因此生产成本与生产顺序有关,目标为使转换成本最低
1、遗传算法
智能算法概述
2、粒子群算法产生背景
粒子群算法(Particle Swarm Optimization, PSO)源于对鸟类捕食行为的研究,一群鸟随机分布在一个区域中,在这片区域只有一块食物,鸟类捕食时,所有鸟都不知道食物在哪里,但是他们知道当前位置距离食物
还有多远,那么找到食物最简单有效
的策略就是搜寻当前距离食物最近的
鸟的周围区域。
智能算法概述
2、粒子群算法基本模型
设群体规模为N,目标搜索空间为D维。
表示第个粒子的位置。
表示i的飞翔速度
表示i自身搜索到的最优点